애플은 iOS 14에서 개인 정보 보호 정책을 개정하고 광고 기업이 사용자에게 알리지 않고 광고 식별자 IDFA를 수집하는 걸 방지하는 시책인 ATT(App Tracking Transparency)를 제시했다. 이에 대해 강한 반발을 한 페이스북이 타깃 광고가 어려워 광고 수익이 급감할 것이락 경고하고 대립하고 있다. 애플 ATT를 통해 iOS에서 광고를 게재하는 광고주와 앱 개발자 수익은 15∼20%나 감소했다는 보도도 나온다.
이에 페이스북은 IDFA 등 기존 광고 식별자에 의존하지 않고 사용자 개인 정보를 보호하면서 효과적인 광고를 게시하는 새로운 기술인 PETs(Privacy-Enhancing Technologies)를 발표했다.
페이스북은 애플과 구글이 자체 웹브라우저와 운영체제를 통해 개인 정보 보호 관점 변화를 해가는 것과 개인 정보 보호 관련 규제가 강화되고 계속되는 걸 근거로 디지털 광고는 개별 타사 데이터에 대한 의존도를 낮추기 위해 진화할 시기에 있다는 걸 인식하는 게 중요하다며 이를 위한 기술로 PETs를 발표한 것이다.
페이스북은 마케팅에서 개인은 사람과 기업에게 가능한 최고의 경험이라며 개인화된 광고가 없으면 사업 시작과 성장은 어려워 새로운 제품과 서비스를 찾기 어렵다며 비용 자체가 높아져 사람들은 관련성이 낮고 적시가 아니라 재미없는 광고를 보게 될 것이라며 타깃 광고의 중요성을 강조하고 있다.
페이스북은 PETs로 업계가 개별 타사 데이터에 대한 의존도를 줄여도 타깃 광고를 계속할 수 있다는 걸 입증할 수 있다고 낙관하고 있다. PETs는 처리하는 개인 정보량을 최소화해 억제하면서 관련 광고를 사람드에게 보여 광고주의 광고 효과를 측정하는데 도움이 된다며 PETs가 기존처럼 타사 데이터에 의존하지 않고 적절한 타깃 광고를 하는 기술이 될 수 있다고 어필하고 있다.
PETs를 지지하는 건 MPC(Secure Multi-Party Computation), 온기기학습, 차등 개인 정보 보호 3가지다.
개인 정보 보호 강화 기술인 MPC는 2개 이상 단체를 연계시키는 것으로 한쪽이 학습할 수 있는 정보를 제한한다는 것. 데이터는 엔드투엔드 암호화되어 있기 때문에 전송, 보관, 사용할 때에는 어떤 단체도 상대방 데이털르 볼 수 없도록 되어 있으며 이를 통해 사용자 개인 정보를 보호하면서 복수 관계자가 이 광고 효과를 측정하는 게 가능하게 된다. 구체적으론 어떤 단체가 광고를 본 사용자 정보를 갖고 있으며 다른 단체가 누가 뭘 구매했는지에 대한 정보를 갖고 각 단체가 서로 데이터세트를 공개하지 않고 광고를 게재한 경우 효과만 측정할 수 있게 된다는 것이다.
페이스북은 또 이미 MPC를 기반으로 한 광고 효과 측정 도구 테스트를 2020년부터 시작했으며 2022년에는 페이스북 광고주를 위한 기능을 제공할 예정이다. 또 페이스북은 솔루션 프레임워크를 FBPCF(Facebook Private Computation Framework)로 오픈소스로 공개하면서 업계 모두가 같은 기술을 기반으로 광고 효과측정 도구를 개발할 수 있도록 하고 있다.
다음은 장치 내 학습. PETs는 어떤 사용자가 무엇을 구입했는지 등 데이터를 원격 서버나 클라우드에서 처리하는 게 아니라 터미널에서 로컬로 처리하는 알고리즘을 학습시킨다. 이는 개인이 응용 프로그램이나 웹사이트에서 어떤 조치를 취하고 있는지 알 필요 없이 사용자별로 적합한 타깃 광고를 표시하는 게 가능하게 된다.
예를 들어 운동기구 광고를 클릭하는 사람 대부분이 단백질을 구매하는 경향이 있는 경우 장치 내 학습은 페이스북 서버나 클라우드에 개별 데이터를 전송하지 않고 해당 패턴만 파악할 수 있다. 그리고 페이스북은 장치 내 학습에서 도출된 운동기구 광고를 클릭하는 사람 대부분이 단백질을 구매하는 경향이 있다는 패턴을 이용해 적합한 사용자에게 단백질 광고를 표시하는 것이다.
페이스북은 장치 내 학습 정도는 시간이 지나면서 향상되어 시간이 지남에 따라 타깃 광고 정확성이 올라가는 만큼 관련성 적은 광고가 표시되는 일이 줄어든다고 밝히고 있다.
마지막으로 차등 개인 정보 보호. 차등 개인 정보는 데이터가 재식별되지 않도록 보호하는 기술이다. 신중하게 계산된 노이즈를 데이터세트에 포함시켜 개인 정보를 유지한다. 예를 들어 118명이 광고를 클릭한 뒤 상품을 구입한 경우 차등 개인 정보 시스템은 이 수에서 임의 금액을 가산 또는 감산한다. 다시 말해 118이라는 숫자 대신 120이나 114라는 숫자를 출력하는 것으로 정확한 수치를 숨기는 것이다.
이런 노이즈를 창출하는 광고를 클릭한 뒤 상품을 구입하는 사람을 특정하는 건 어려워진다. 또 차등 개인 정보는 공공 연구 등에서 출시되는 대규모 데이터세트에서 자주 이용되고 있다고 한다.
페이스북은 이런 광고 관련 도구 성공은 업계 내 협력이 필수적이라고 보고 PRAM(Partnership for Responsible Addressable Media), W3C(World Wide Web Consortium), WFA(World Federation of Advertisers) 등과 협력해 도구 개선에 노력하고 있다고 밝히고 있다.
페이스북 관계자는 PETs는 의미 있는 참여자인 W3C 같은 포럼에서 구글은 피드백을 요청 논의하는 FLoC와 같은 종류 기술이라며 FLoC는 특정 개인에 대해 아무 것도 공개하지 않고 특정 행동 타깃을 다루는 것이며 페이스북이 진행 중인 PETs 베타도 측정에 초점을 맞춘 것으로 특정 개인에 초점을 맞춘 게 아니라고 밝혔다. FLoC 접근이 적절할 수도 있고 PETs 접근이 최적일 수도 있는 만큼 이런 기술이 반드시 충돌하는 게 아니라고 덧붙였다.
FLoC는 타사 쿠키없이 새로운 광고 구조를 구축하려는 것으로 구글이 고안한 API다. 페이스북 PETs처럼 사용자 개인 정보 보호를 배려하면서 효과적 광고를 게재하기 위한 구조인 것. FLoC에 대해선 웹브라우저 브레이브, 오라클, 전자프런티어재단 등으로부터 비판의 목소리가 나오고 있기도 하다. 관련 내용은 이곳에서 확인할 수 있다.